南極無人觀測站室內光照色溫對監控圖像質量的影響研究

李仲元，汪統岳，邵戎鏑，王燕尼，郝洛西

(1.同濟大學 建筑與城市規劃學院，上海 200092；2.高密度人居環境生態與節能教育部重點實驗室(同濟大學)，上海 200092)

引言

南極內陸地區特殊的地理位置及自然環境非常有利于開展氣候、地質等領域科考活動，科研潛力巨大，是我國極地科考的重點發力區域之一[1]，該區域嚴酷的自然環境也對科考人員的生理極限及作業效率構成了嚴峻挑戰。無人觀測站可突破人類生理限制、持續高效工作，其子系統關聯技術、包括智能照明適宜技術等越發受到包括中國在內的各極地科考強國重視。科考人員大部分時間需要依靠監控圖像實現對站體內外現場狀態的感知，良好的監控畫面可以提升觀測站無人狀態下的運維效果，其品質和攝像機所處的光環境密切相關。無人觀測站所處的南極內陸地區氣象條件多變，且無人觀測站站體窗口狹小、天然采光有限，為室內監控提供的自然補光波動巨大且時常不足，因此需設置亮度、色溫等光參數可調的智能補光系統，并探究監控所處光環境與圖像質量間的關系，調整至最佳的光參數組合，作為程序預設在照明控制系統中，保證最佳的監控圖像效果。

在與南極科考艙環境相似的載人航天智能照明系統[2]及艦船密閉艙室仿生智能照明系統[3]中，智能照明系統關注的光參數主要為燈具亮度、色溫及顯色性，其中顯色性與燈具選型關系較大[4]。在以往對監控圖像質量與補光的研究中，相關研究多關注燈具類型及光強、環境照度對監控圖像質量的影響[5，6]、缺乏關于環境色溫對監控圖像質量影響的研究；在圖像質量評價方式方面，過往研究多采用主觀評價方法[7，8]、缺乏對不同光環境下圖像質量參數的客觀定量研究。故本研究將以南極無人觀測站的室內監控補光系統為研究對象，通過在國內搭建無人觀測站模擬空間、模擬南極極晝極夜狀態下的光環境，采用無人觀測站同款監控攝像機拍攝不同色溫下的室內環境圖像，并通過客觀圖像質量分析方法得到圖像質量最高時的色溫段作為無人觀測站智能照明系統的調光預設指標，為類似智能照明系統的調試及指標預設提供參考。

1 監控圖像質量與光環境要求

1.1 監控補光技術研究現狀

隨著國內天網工程建設的進行，配套的監控及其智能補光系統進入了野外公路、林場、涵洞等無人值守環境中。為獲取更高的圖像效果、國內對于監控補光開展了廣泛研究與實踐。葉煒等[5]的研究發現圖像的分辨率、色差等指標與成像設備、被拍攝物體與拍攝所處的光環境都密切相關。同一物體在不同光源的照射下會存在較明顯的色彩差異：在其他條件相同的前提下使用同一設備拍攝三原色色板，在日光下其圖像色彩還原度較高，但在鈉燈拍攝下，圖像藍綠色區域轉變為灰黑色，紅色區域轉變為紅褐色，偏離了物體的本來面貌。趙建平等[8]深入研究了不同顯色性燈具對視頻圖像色彩還原能力的影響，發現顯色指數80以上的光源之間差異相對較小，均能得到較良好的視覺效果。該類研究通過對比測試與主觀評價相結合的方法，證明了燈具本身的高顯色性在提升圖像還原度方面的作用，但在評價策略上還是以觀察者主觀評價圖片效果為主、缺乏客觀量化的評價手段。在評價指標上缺乏對燈具亮度、色溫等指標與其與監控圖像效果間的定量研究，未研究通過改變監控光環境參數的方式達到最佳監控補光效果的可能。因此，需在未來的研究中關注對監控圖像質量及補光指標的定量研究，作為智能照明系統觸發程序設計的基礎。

在照度指標方面，浙江公安經過“白晝工程”等大量項目經驗積累，對新建室外監控系統制定了相關規范，攝像機目標區域的最低照度需大于等于彩色攝像機設備指標中最低照度的10倍(監控需求為彩色圖像時)、黑白攝像機設備指標中最低照度的100倍(監控需求為黑白圖像時)；設置輔助照明后，攝像機目標區域最低照度應不低于3 lx、同時宜高于5 lx[5]。 這些實踐證明了最低環境照度對于提升監控圖像效果的意義：低環境照度會造成常規攝像機圖像出現噪點增多、質量下降等問題，且這些缺陷很難通過后期處理彌補。但研究對象主要集中在室外監控照明上，缺乏對室內空間監控補光機制的相關研究；關注的指標主要集中在環境照度及顯色性上，缺乏關于光照色溫對監控圖像質量的影響研究，這也是本次研究的重點所在。除光環境色溫外，攝像機自身的白平衡也會對監控圖像質量(特別是色彩還原度)造成影響，其校正方法分手動和自動兩種。無人狀態下站內紅外攝像機通常采用自動白平衡功能校正不同光環境下的圖像：其原理為通過算法預估光源，改變圖像R、G、B三個通道的增益以完成圖像色彩校正[9]；其要點是準確識別出原圖像中的“理想白色”區域，將其定為畫面中的白平衡基準點，在此基礎上對其他偏色區域分別校色。該方法校正速度較快、滿足無人監控需求，但對攝像機所處的背景光環境有一定要求：其在一定色溫范圍內可達到與手動校正方式類似的良好效果，超過該色溫范圍后則難以糾偏。因此，需關注無人觀測站內置紅外攝像機工作時的光環境色溫，使其滿足現有攝像機自動白平衡的應用環境要求，便于設備準確校正、提升監控圖像質量。

1.2 監控圖像質量評價指標與測試方法

機器視覺圖像質量評價體系(Machine-Vision Benchmark，MVB)是目前常用的視頻圖像評價標準之一，在圖像算法領域常用于機器成像校準等工作，該標準分為六個評價指標：清晰度(分辨率)、色差、飽和度、噪聲、對比度及亮度[10]。

1.2.1 清晰度

作為圖像質量最關注的指標之一，其直觀反映了待測機器展現原始場景中細節的能力，影響到操作者對圖像的分辨和理解效果，在客觀評價體系下圖像清晰度和分辨率成正比，故在本研究中將視兩者為同一概念。在數字圖像分析領域，研究人員常用調制傳遞函數(MTF)作為圖像清晰度(分辨率)的客觀評價指標。

在實際測試中，經常采用ISO12233測試圖(又稱“分辨率解析卡”)測試圖像的分辨率(圖1)，該測試圖根據ISO(國際標準化組織)圖像質量測試標準制作，以客觀描述相機等光學儀器的分辨率。其作用類似一個MTF值接近1的完美“標尺”，待測器材通過拍攝圖像比照這個標尺得到0～1之間的某個“分辨率得分”。其使用方法為：使用待測成像儀器在預設光環境的清晰成像距離上(一般采用該儀器的最近對焦距離，家用數碼單反相機一般在1～2 m之間)完成對該測試卡的水平正向拍攝后，用測試卡預設算法對應的圖像軟件分析模塊截取斜黑色圖形邊緣作為采樣分析段，使用空間頻率響應算法(Spatial Frequency Response，SFR)對ISO12233測試圖采樣段(黑色平行四邊形邊緣)進行計算，檢測其邊緣鋸齒化部分的每毫米線對值線對密度，即可獲得其在不同對比度下的MTF值，其中MTF50值可直接讀取。

圖1 ISO12233測試圖Fig.1 ISO12233 test card

1.2.2 色差及飽和度

色差指兩個顏色在視覺(人眼視覺或機器視覺)上的差異。在圖像色差的測試方法中，業界常采用成像設備拍攝24色色彩還原測試卡(圖2)，通過對應的算法分析拍攝圖像上實際顯示顏色與色卡“標準顏色”間的綜合差值來評價成像設備色彩還原能力的強弱。該色彩還原卡是一張尺寸為203 mm×280 mm、由24個算法預設好的標準色貼片組成的色表，包含了18種自然界常見的顏色和6個灰階等級色，每個貼片均采用嚴格校色后的顏料單獨印刷，并在表面上進行了啞光處理以減少拍攝過程中反光等因素的干擾。

圖2 Colorcheck 24色色彩還原測試卡Fig.2 Colorcheck 24 color restoration test card

飽和度(saturation)又被稱為純度，指色彩的鮮艷程度。在色彩學中，飽和度由圖像中消色成分(灰色部分)與含色成分(彩色部分)間的比例決定：灰色占比越高，圖像的飽和度越低，其色彩視覺表現越黯淡，直至降為灰白無彩色狀態；含色成分占比越高，圖像的飽和度越高，其色彩視覺表現越鮮艷，其取值范圍為0～100%[11]。在測試方法上，飽和度同色差一樣，均可通過使用Colorcheck算法對24色標準測試卡拍攝結果進行分析得到。

1.2.3 噪聲

圖像噪聲指存在于圖像中的不必要干擾信息(點)，其比較明顯的呈現姿態是以雪花點狀散布于圖像中，降低圖像閱覽者對信息的獲取能力[12]。其最本質的來源是由光和電的基本性質決定：圖像本身是光量子傳輸的結果，其受到擾動發生聚散現象后又會在圖像上體現為光量子噪聲；在環境光照度降低后，設備的放大器增益提高也可能導致圖像噪聲的增加，因此圖像噪聲與機器成像所處的光環境有一定關聯。

業界常使用20級灰階測試卡(圖3)來測試圖像噪聲，其測試依據及拍攝方法與分辨率測試卡類似：使用待測儀器在預設光環境下完成對該測試卡的水平正向拍攝后，使用分析軟件截取完整的20級灰階條帶，使用Stepchart算法分析采樣段、即可獲得該圖像在R、G、B、Y四個通道上的信噪比值[13]。

圖3 Colorcheck 24色色彩還原測試卡Fig.3 Colorcheck 24 color restoration test card

1.2.4 亮度與對比度

圖像亮度與對比度計量方式關聯度較高，故在下文中合并敘述。

數字圖像的亮度(intensity，簡稱I)指其像素值的大小。對彩色數字圖像而言，其每個像素點有R、G、B三個顯色分通道，每個通道的值均為0～255；對灰度圖像而言，其每個像素點只有亮度(取值范圍亦為0～255)一個分通道。像素值越小則圖像亮度越低，直至降為0，其視覺效果為純黑；像素值越大則圖像亮度越高，直至升為255，其視覺效果為純白。在實測過程中、一般將彩色圖像轉化為灰度圖像以方便計算亮度[14]。

對比度(contrast ratio，簡稱C)指圖像內最暗的黑與最亮的白間的比值，其對圖像的視覺效果影響極大：對比度越小，圖像黑灰白色階間的區分效果越不明顯，圖像在視覺效果上越“偏灰”；對比度越大，圖像上物體細節的明暗區分越明顯，圖像在視覺效果上越“艷麗”。

在測試方法上，數字圖像的亮度和對比度都可以通過拍攝灰階測試卡進行計算。用相機拍攝20色標準色階卡后，可用Stepchart算法計算得到圖像中各灰階的像素大小，圖像的平均亮度一般用各點亮度總和的算術平均值表示(一般是取全20個點)，對比度則采用實測部分最暗部分(標準測試卡中的純黑色階)和最亮部分(標準測試卡中的純白色階)與理想狀態下兩者總和的比值表示[15]，其計算式為：

(1)

2 監控圖像質量與室內色溫實驗

2.1 實驗目的與流程概述

2.1.1 實驗目的

本研究通過在國內搭建預實驗空間，分別在模擬極晝極夜狀態下進行不同光參數組合下圖像質量測試。使用待測主動式紅外攝像頭在室內清晰成像距離上拍攝對應的圖像質量指標測試卡，采用分析軟件解析拍攝后的圖像，得到不同光環境下的圖像分辨率、色差、飽和度等值并將之作為圖像質量的判定依據，在此基礎上探究各圖像質量指標與燈具色溫間的關系，得到成像質量最佳時的光參數組合及對應測點照度。

2.1.2 實驗流程概述

該實驗自變量為極晝、極夜兩種環境下的燈具色溫，因變量(待測值)為分辨率、色差等MVB圖像質量指標(×6)。具體實驗流程：首先仿照無人觀測站單個艙體特點、在國內搭建預實驗空間，并仿照艙內實際情況進行設備布置，測試用設備需保證同現場實際使用的設備型號及性能接近，以盡可能貼近現場實際情況；之后進行監控儀器與測試卡布置，在室內其他條件不變的前提下，在模擬極晝極夜條件下分別用測試燈具在不同色溫下對室內監控攝像機進行補光，用監控攝像機拍攝對應測試卡，使用對應的軟件算法解析對應的測試卡照片，分析不同光參數組合下各圖像質量指標的變化情況。

2.2 實驗空間搭建與測試過程

2.2.1 實驗空間搭建

本實驗仿照無人觀測站單個艙體，在上海市內選擇了一處內徑尺寸為3 m×2.6 m×2.6 m、南向采光的住宅單間改造成模擬實驗艙(冬季溫度在-10 ℃以上、接近實際艙內室溫)以模擬單艙體的天然采光及內部補光效果。為盡可能模擬艙內實際情況，將窗戶用遮光紙進行局部密封處理、僅保留0.26 m×1.3 m的側窗，以模擬采光窗效果；同時仿照艙體室內工作臺布置方式沿三邊環繞布置了寬度0.7 m、高度0.9 m的“桌子”；房間內墻壁及頂棚采用灰白色油漆粉刷、反射率約為75%，地板反射率約為20%，保證與無人觀測站內裝材料反射率接近。

無人觀測站所在的南極內陸地區處于極晝極夜交替狀態。根據日本科研人員在南極威爾克斯地附近所測定的數據，極晝期間的天空照度可達100 000 lx以上，與上海冬季正午期間晴朗狀態下天空照度相近[16]；而極夜期間天空照度接近0 lx，與上海夜間相近；在太陽入射角方面，極晝期間南極內陸地區太陽高度角較小(不超過33°)，與冬季1月上海太陽高度角(約35°)相似。國內預實驗選擇上海冬季正午(11：00—13：00)與夜間完全落日后(當日18：00以后)兩個時間段進行，以盡可能貼近南極極晝極夜條件下的自然光照情況。

2.2.2 實驗設備布置

智能照明設備組網方式采用Zigbee控制系統模式[17]，其系統拓撲圖如圖4所示，其中虛線框所示部分為國內測試現場已安裝部分，包括可調光吸頂燈(及配屬開關)、網關、照度傳感器、監控攝像機，通過手機Wi-Fi(或計算機客戶端)直連網關進行控制。測試空間內仿照南極觀測站現場狀態配置Wi-Fi環境、接入網關等智能設備，所有測試用設備為與現場實際使用的設備型號及性能接近的設備，以盡可能貼近現場實際情況，待測吸頂燈色溫可調節；照度傳感器采用CGPR1人體及光照度傳感器，其背后采用雙面膠覆膜底座，可實現室內不同位置的靈活布置；室內攝像機選取小白智能紅外攝像機，其采用了南極站區常用的主動式紅外夜視技術，可在弱光條件下彩色成像、無光條件下黑白成像，具備自動白平衡功能(其適用色溫范圍及校準后圖像質量未知)；網關則采用Zigbee通訊協議、通過接入實驗艙內Wi-Fi局域網/外部互聯網與手機APP/計算機控制端相連，用戶安裝照明系統專用客戶端即可實現對監控圖像的調取查看及對照明參數的動態調整。

圖4 設備拓撲關系與設備在空間內布置圖Fig.4 Device topology relationship and its indoor layout

2.2.3 光環境參數組合選取與成像拍攝

在室內其他條件不變的前提下，在模擬極晝極夜條件下分別用測試燈具在不同色溫下對室內監控攝像機進行補光，在亮度保持不變時(統一控制在2 000 cd/m2)，色溫3 000～6 000 K(取3 000 K、3 500 K、4 000 K、4 500 K、5 000 K、5 500 K、6 000 K七個參數)變化，在每個光參數組合下用紅外攝像機在預設拍攝距離上拍攝對應的圖像質量測試卡，并將拍攝后的圖像使用對應算法模塊進行分析，綜合比較MVB圖像質量評價標準下圖像清晰度、色差、飽和度、信噪比、對比度及亮度指標的高低，研究其與天然采光狀態及人工補光亮度(環境照度)、色溫間的關系。

將待測的ISO 12233分辨率測試卡(用于測定不同光環境下圖像分辨率)、ZUIDID數碼圖像用24色標準色卡(測定色差、飽和度)、SineImage 20階灰度測試卡(測定信噪比、對比度、亮度)分別布置在不同室內光環境下，用監控攝像機拍攝對應測試卡，分析其在不同光照條件下各圖像質量指標的變化。

在每個待測光環境參數組合下，用三腳架分別固定三張測試卡，并將其放置在待測空間內距監控攝像機水平距離2 m處(其焦距2.8 mm、對應最佳成像距離約2 m)，使測試卡、攝像機處于同一水平線上(圖5)，保證每次采樣的監控畫面清晰可辨，且對應算法(ISO 12233測試卡照片對應SFR分辨率算法，計算區域為圖像正上方平行四邊形邊緣；ZUIDID標準色卡對應Colorcheck色彩算法，計算區域為全部色塊；SineImage灰度測試卡對應Stepchart灰階算法，計算區域為下方20級灰階，如圖6所示)能準確讀取對應測試卡待測部分的內容。

圖5 測試卡拍攝方法Fig.5 Method of photographing the test card

圖6 拍攝的測試卡及對應的取樣位置Fig.6 Test card for shooting and corresponding sampling position

2.2.4 圖像質量測試

監控圖像質量分析采用Imatest軟件。該軟件是由美國Imatest公司在MATLAB編程語言基礎上開發的數字圖像質量分析軟件，適用于對攝像機、照相機等光學成像儀器攝錄結果及紡織印刷品等對色彩要求較嚴格的工業制成品進行客觀質量分析[13]，應用范圍廣、分析準確度高，故作為本次實驗的圖像質量分析軟件。其內置SFR、Colorcheck及Stepchart等算法，通過解析不同光環境下對應測試卡的拍攝結果，與標準值進行對比計算與加權、得到該指標的實際值。以圖像色差及飽和度計算為例，其流程如圖7所示。首先按照前文所述流程，使用紅外攝像頭拍攝某光環境參數組合下的ZUIDID 24色標準色卡，做好文件命名，截取視頻中成像穩定后(自動白平衡完成)的靜幀、導入Imtast Colorcheck模塊進行分析；Colorcheck模塊本身存儲有對應色塊的標準色(記為“ideal”)，可與拍攝所得的實際色(記為“camera”)進行對照，通過兩者比值計算每個色塊實際色差及飽和度，加權得到該光環境下圖像總色差及飽和度(17號色塊標準值與實際值間差值以兩者間連線長度體現，所有色塊加權結果如右上角紅框位置所示)。SFR、Stepchart模塊計算流程與Colorcheck模塊相似，故不再贅述。

圖7 圖像質量數據計算(以Colorcheck模塊為例)Fig.7 Image quality data calculation (taking Colorcheck module as an example)

3 圖像質量指標與室內色溫分析

3.1 模擬極夜狀態下，補光色溫與圖像質量指標間的關系

不同色溫下的燈具光譜如圖8所示。經測試，在燈具色溫變動時，燈具亮度(約2 000 cd/m2)及顯色指數(84.3～86.4)無明顯變化，可視為只有色溫一個自變量。

圖8 3 000 K(上)、4 000 K(中)、5 000 K(下)光譜(亮度為2 000 cd/m2)Fig.8 Spectrum of 3 000 K (top)、4 000 K (middle)、5 000 K (bottom)(luminance is 2 000 cd/m2)

模擬極夜狀態下，保持燈具亮度(2 000 cd/m2)等其他條件不變，按監控圖像質量分析項的重要性排序，圖像分辨率、色差、飽和度與補光色溫間的關系如圖9～圖11所示(表中虛線為變化趨勢線、下同)。

圖9 室內色溫與監控圖像清晰度的關系Fig.9 The relationship between indoor color temperature and monitoring image sharpness

圖10 室內色溫與監控圖像色差的關系Fig.10 The relationship between indoor color temperature and color difference of monitoring image

圖11 室內色溫與監控圖像飽和度的關系Fig.11 The relationship between indoor color temperature and monitoring image saturation

由上述結果可知，在模擬極夜狀態、補光燈具亮度等其他條件不變的情況下，補光燈具色溫改變對監控圖像的色彩還原度影響較為明顯。在色溫由3 000 K逐步提升至4 000 K的過程中，監控圖像色差由最高值25.7降至最低值15.2，降幅達40.9%；圖像色彩飽和度由最低值65.3%升至最高值76.0%，提升約10.7%。之后隨著色溫繼續提升，圖像色彩還原度呈緩慢下降趨勢，色差由最低值15.2升至約17，飽和度由最高值76.0%緩慢下降至71.0%；圖像分辨率隨色溫的變化趨勢則不明顯。使用Stepchart模塊分析不同光環境下的灰階測試卡圖像，研究模擬極晝狀態下燈具亮度與圖像信噪比、對比度及亮度間的關系，其變化不明顯。

總體而言，燈具色溫對監控圖像的色彩還原度影響明顯。且在極夜狀態下，當無人觀測站內燈具色溫位于3 500～4 500 K區段時，監控圖像的色彩還原度(色差、飽和度)最佳，圖像分辨率、信噪比、對比度及亮度等指標隨色溫變化趨勢均不明顯。

3.2 模擬極晝狀態下，補光色溫與圖像質量指標間的關系

保持燈具亮度(2 000 cd/m2)及其他條件不變，模擬極晝狀態下圖像清晰度、色差、飽和度與補光色溫間的關系如圖12～圖14所示。

圖13 室內色溫與監控圖像色差的關系Fig.13 The relationship between indoor color temperature and color difference of monitoring image

圖14 室內色溫與監控圖像飽和度的關系Fig.14 The relationship between indoor color temperature and monitoring image saturation

由上述結果可知，在模擬極晝狀態、補光燈具亮度等其他條件不變的情況下，圖像分辨率呈現出先增加后持平的趨勢，最大分辨率點同樣出現在3 500～4 500 K階段(約為430 lw/ph)，圖像色彩還原度在4 000 K左右表現最好，此時圖像色差約為14.2，較無人工補光時降低14.5%；色彩飽和度約為77.2%，較無人工補光時提升約3.4%。補光色溫變化對圖像信噪比、對比度及亮度的影響則不明顯。

4 結語

本研究通過在國內搭建無人觀測站模擬環境，并在模擬極晝極夜狀態下采用MVB指標客觀評價無人觀測站3 000～6 000 K室內光照色溫下紅外攝像機的監控圖像質量，發現室內色溫變化主要影響的圖像質量指標為清晰度、色差及飽和度，對圖像信噪比、對比度及亮度的影響則不明顯。且極晝極夜狀態下的人工補光色溫均建議控制在3 500～4 500 K范圍內，該中間色溫下站內紅外攝像機拍攝的圖像清晰度及飽和度相對較高、色差較低，圖像的色彩還原度最高。該實驗結論及測試方法可為未來極地科考站、深空探測器及深潛器內部監控照明系統的光參數調節提供有益的參考，提升我國極地、深空及深海等科考領域遠程監控所需的光環境及系統工效。

本次實驗所用的艙體空間及照明設備與現場搭建完成后的狀態存在一定差異。在模擬室內環境方面，實驗室內墻體存在一定的漫反射情況，與南極科考艙金屬內壁接近鏡面反射的實際情況不同，可能導致相同燈具亮度下周邊環境亮度略低于實際情況、影響圖像質量測試結果；在設備選型方面，本實驗所采用的網關、燈具、傳感器等設備雖盡可能在性能及組網方式上貼近現場實際所用的對應設備，但仍存在一定差異，其實際照明效果有待現場安裝完成后實測檢驗。